文献类型：期刊文献

中文题名：非均衡数据的去噪模糊支持向量机新方法

英文题名：New noise-immune fuzzy SVM algorithm for unbalanced data

作者：张桂香[1];费岚[1];杜喆[2];刘三阳[2]

第一作者：张桂香

机构：[1]河南财经学院电教计算中心,郑州450003;[2]西安电子科技大学数学科学系,西安710071

第一机构：河南财经政法大学

年份：2008

卷号：44

期号：16

起止页码：142-144

中文期刊名：计算机工程与应用

外文期刊名：Computer Engineering and Applications

收录：CSTPCD;;北大核心:【北大核心2004】；CSCD:【CSCD2011_2012】；

基金：国家自然科学基金(the National Natural Science Foundation of China under Grant No.60574075);河南省基础与前沿技术研究项目(No.072300410040);河南省教育厅自然科学基础研究项目(No.2007110023)

语种：中文

中文关键词：支持向量机;非均衡数据;分类;隶属度函数

外文关键词：Support Vector Machine;unbalanced data;classification;membership function

摘要：针对支持向量机对噪声的敏感,以及当两类训练样本数量差别悬殊时,造成分类结果倾向较大类等弱点,通过理论分析,合理地设计隶属度函数,提出了一种新隶属度函数的模糊支持向量机。该方法既可补偿倾向性造成的不利影响,又可增加抗噪声能力,提高预测分类精度。最后通过对含噪声的非均衡数据实验表明,该方法比传统支持向量机和简单去噪模糊支持向量机都有着较高的分类能力。
Since SVM is sensitive to noises or outliers in the training set and the classification of unbalance data is unfair to the rare class,a new fuzzy Support Vector Machine is presented with theoretical analysis given.By properly designing a new fuzzy membership function,the proposed algorithm can compensate the ill-effect of tendency and also can strengthen the ability to detect noises thus improves the accuracy.Simulations on unbalenced data with noise show that,compared with traditional SVM and FSVM,this algorithm has better classification ability.